TensorFlow实战读后感摘抄
《TensorFlow实战》是一本由黄文坚 / 唐源著作，电子工业出版社出版的平装图书，本书定价：79，页数：316，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。
●做数据挖掘的，所以深度学习这块的模型基本上用不太上，不过每次跟人吹牛逼的时候总会扯到着一块，感觉不说点什么显得多不专业啊，然后就想了解着一块。其实简单的BP 以前也接触过，但是多层的神经网络确实没怎么系统的了解，然后就看了这本书。算是本还不错的深度学习的入门书吧，得益于tensorflow本身的封装层次设计合理，所以可以相对自由的写一些的模型，从而学到一些模型的细节，而又不必纠结于成篇的公式，可以说面向初学者友好的一本讲深度学习的书，也算是对得起实战二字。不过即便这样看这书也又必须的门槛的，假如你是测试集、训练集，损失函数、正则化，梯度下降、牛顿法都不了解的小白可能会看起来一脸懵逼吧。总之算是很好的一本DL的入门书，内容融合的作者自己对模型的理解，而且还是国人写的，读起来比较有快感，好评！
●不错的进阶书，不过不适合入门，没有一定基础感觉是在看天书。对NLP领域不熟，看第七章好头大呀。第十章和十一章讲的东西没接触过，有种不明觉厉的感觉。
●刚买这本书，简短地过了一遍。适合于对模型本身有一定了解的同学们。此书的作者都是tensorflow的贡献者，对代码的解释非常详细。美中不足是代码大部分零散地来自于github，没有统一的风格。但总体还是很不错的，毕竟中文的资料确实太少，给五星支持！
●已读。书中由浅入深地详细讲述了如何用tensorflow实现各种经典神经网络。另外，有涉及强化学习和机器学习的内容，对初学者拓展思路很有帮助。推荐初学者阅读
●未能免俗地读了这本书。。虽然书里的内容大部分是Tensorflow文档里面已经有的，但组织成一本书看起来更方便一些。
《TensorFlow实战》读后感(一)：不推荐给初学者
《tensorflow实战》这本书很不推荐初学机器学习、深度学习和tensorflow的朋友们阅读，要看懂需要的预备知识很多都没有讲，读起来很累。
建议直接读tensorflow.org的教程或tensorflow中文社区的翻译文档更好点。
比如，书上第三章的安装和最简单MNIST例子的实践，最后我是按着tensorflow.org上的文档做下来的。
《TensorFlow实战》读后感(二)：一本不错的TensorFlow入门书籍
作者由浅入深的首先介绍了TensorFlow的架构，以及与各种主流架构的对比。其次，开篇比较详细的介绍了TensorFlow的安装，分布CPU和GPU两个版本。接着，作者介绍了几种深度神经网络，包括最基础的前馈网络，重点介绍用于图像方面的卷积神经网络，以及用于文本和自然语言处理方面的循环神经网络，其不仅详细介绍了这些网络结构的原理，更有非常详尽的TensorFlow代码实现，同时，其间也包括了一些作者实践中的宝贵经验，如1*1卷积核的作用等，非常适合新手快速入门。
接下来，作者也介绍了比较前沿的深度强化学习，介绍了一下强化学习的原理，主要介绍了用户强化学习的两种策略，一个是policy-based, 即策略网络，直接学习下一步的action；一个是以期望价值为目标的学习策略，Q-Learning；同样，这两种策略也都有详细的TensorFlow代码实现。对于有强化学习实战需求的同学来说，无疑如获似宝，价值很大。
最后，作者也介绍了TensorFlow的分布式编程实践，同时也介绍了TensorFlow的几个主要的模块，TensorBoard可视化主件，TF.contrib, TF.Learn等主件。
缺点，最后两章有几处笔误。对比前面章节，感觉有些潦草。不过瑕不掩瑜，本书作为一本TensorFlow的入门书籍还是相当不错的。
《TensorFlow实战》读后感(三)：对深度学习原理和实践有较好把握
(1) 掌握本书内容，可从三个维度来看：
A维度：TensorFlow框架和使用
包括TensorFlow编程模型（第1章）、TensorFlow编译和安装（3.1节）、TensorFlow可视化、并行计算、机器学习算法库及相关组件（第9-10章）。
维度：典型的机器学习算法原理
包括Softmax Regression（3.2节）、自编码器（4.1节）、多层感知机（4.3）、卷积神经网络(5.1)、循环神经网络(7.2和7.3)、Word2Vec(7.1)、深度强化学习（8.1）
C维度：上述机器学习模型的基于TensorFlow 的编码实现。
书中代码是Pyphon语言写的，无程序注释，要求读者熟悉Pyphon。
(2) TensorFlow编程模型的介绍不够系统（第1章）。后续具体机器学习算法如何映射到TensorFlow计算图（computation graph），存在一个断层。
(3) 卷积神经网络（CNN），主要用于图像识别，其介绍最为详细（第5、6章，共85页）， 其中，全球著名的图像识别挑战赛ILSVRC（ImageNet Large Scale Visual Recognition Challenge）近几年的冠亚军神经网络模型都一一介绍了，包括AlexNet、VGGNet、Google Inception Net、ResNet。
(4) 循环神经网络(RNN)，主要用于自然语言处理和时序数据分析，其介绍内容比较简单，长短时记忆模型（LSTM）的原理介绍不够清晰。
(5) 语言流畅，比较亲和，反映出作者对深度学习原理与实践有较好的理解。
(6) 文字还算严谨。发现一处笔误：p67, “当时” 应为“当然”。
(7) 书后参考文献不够规范，缺少论文的日期信息。
(8) 同一出版社，几乎在同一时间，出版了主题相同，定价一样的另一本书：郑泽宇的《TensorFlow ：实战Google深度学习框架》， 不知什么机缘。
《TensorFlow实战》读后感(四)：TensorFlow从上手到项目实战（新闻阅读与个性化搜索、人脸识别系统）
课程学习地址：https://www.xuetuwuyou.com/course/403
课程出自学途无忧网：https://www.xuetuwuyou.com
一、上手篇简介：
Keras TensorFlow 表达了高层次的机器学习计算，大幅简化了第一代系统，并且具备更好的灵活性和可延展性。TensorFlow一大亮点是支持异构设备分布式计算，它能够在各个平台上自动运行模型，从手机、单个CPU / GPU到成百上千GPU卡组成的分布式系统。
本课程从TensorFlow的背景介绍，安装基本环境开始讲起，到TensorFlow常见API、方法的使用。TensorFlow中常用的各模块，结合实例详解，TensorFlow高级使用介绍，如过拟合(Overfitting)，归档与提取，迁移学习等，并结合实例详解，最后通过一个小项目：利用TensorFlow实战-构造CNN实现手写识别系统，对上述知识点做一完整演练。
二、项目1：新闻阅读与个性化搜索
此课程的背景是一个"新闻阅读与个性化搜索"项目。
课程中用到神经网络和深度学习等方面的技术，以词向量技术为基础，并采用了微软的一篇论文所公开的技术，实现对新闻的T字形关键词提取。该项目目的旨在对新闻的文本进行处理，可以有效帮助读者更轻松快速地阅读和理解新闻。在此基础上，更可以进一步实现新闻的个性化搜索。
三、项目2：人脸识别系统
本课程为利用卷积神经网络实现人脸识别的实战课程，考虑到学员的不同需求，本课程采用循序渐进的方法，先介绍深度学习框架(TensorFlow)的基础知识，然后，用TensorFlow实现一个不用激活函数的简单的神经网络、然后实现一个带激活函数的多层感知器算法、最后介绍卷积神经网络架构及原理，最后通过人脸识别实际案例，具体演示如何构建一个人脸识别模型。
本课程涉及TensorFlow、Python基础知识、神经网络原理、卷积神经网络架构及原理，同时包括对深度学习整个过程的详细说明及代码实现，具体包括获取数据、预处理数据、构建卷积神经网络涉及的变量、各层级等、训练模型、测试模型、优化模型、并对结果进行可视化，同时对中间过程的关键环节进行可视化等。